课程名称（英文）：Machine Learning Engineering for Production (MLOps) Specialization

课程名称（中文）：Machine Learning Engineering for Production (MLOps) 专项课程

课程链接：https://www.coursera.org/specializations/machine-learning-engineering-for-production-mlops

平台：Coursera

大学或机构：deeplearning.ai

课程介绍：了解机器学习和深度学习概念至关重要，但如果您希望建立一个有效的AI职业，您也需要生产工程功能。
有效地部署机器学习模型需要更常见于软件工程和Devops等技术领域的能力。生产机器学习工程将机器学习的基础概念与现代软件开发和工程角色的功能专业知识相结合。

生产（MLOPS）专业化的机器学习工程涵盖了如何概念化，构建和维护在生产中不断运行的集成系统。在与标准机器学习建模的对比中，生产系统需要处理无情的不断发展的数据。此外，生产系统必须以最低成本运行不停，同时产生最大性能。在这一专业化中，您将学习如何使用既有建立的工具和方法，以便有效且有效地完成所有这些工具和方法。

在这一专业化中，您将熟悉机器学习工程在生产中的能力，挑战和后果。到底，您将愿意聘请新的生产准备技能，以参与领先的AI技术的发展，以解决现实世界问题。

完成整个专项课程后，您将具备：
•设计ML生产系统端到端：项目范围，数据需求，建模策略和部署要求
•建立模型基线，地址概念漂移和原型如何开发，部署和不断改进生产的ML应用程序
•通过收集，清洁和验证数据集来构建数据管道
•实现具有TensorFlow的功能工程，转换和选择
•通过利用数据谱系和出种元数据工具来建立数据生命周期并按照企业数据模式遵循数据演进
•应用管理建模资源的技术，最能为脱机/在线推理请求
•使用分析来解决模型公平性，解释性问题和减轻瓶颈
•为需要不同基础架构的模型提供部署管道提供部署管道
•应用最佳实践和渐进式交付技术，以维持连续运营的生产系统

包含课程详情（点击对应课程后方详情了解对应课程具体信息）：

1、Introduction to Machine Learning in Production（详情）
2、Machine Learning Data Lifecycle in Production（详情）
3、Machine Learning Modeling Pipelines in Production（详情）
4、Deploying Machine Learning Models in Production（详情）

课程视频压缩包下载（度盘链接 解压密码：xuebuyan.org）：

友情提醒：